基于代理的机器遗忘的行为保证

该论文提出一个统一框架，将近期基于代理的机器遗忘方法推广，并证明遗忘后模型行为与保留数据理想后验分布之间的 KL 散度上界。方法将近似遗忘建模为约束优化问题，通过后验数据分布的代理引入缩放遗忘信号，必要时以目标模型为教师蒸馏权重更新。在两个遗忘场景实验中，该方法得到的分类器最接近从头重训的模型。